AI說書 - 從0開始 - 173 | 模型參數探索

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

• 準備資料集：AI說書 - 從0開始 - 162 | 準備Pretrain模型需要的資料
• 準備必備函數庫：AI說書 - 從0開始 - 163 | 準備Pretrain模型需要的函數庫
• Tokenizer 前言：AI說書 - 從0開始 - 164 | Tokenizer 前言
• 訓練自己的 Tokenizer：AI說書 - 從0開始 - 165 | 訓練自己的Tokenizer
• 保存訓練好的 Tokenizer：AI說書 - 從0開始 - 166 | 保存訓練好的 Tokenizer
• Tokenizer 使用方式：AI說書 - 從0開始 - 167 | Tokenizer 使用方式
• GPU 及 CUDA 確認：AI說書 - 從0開始 - 168 | GPU 資源確認
• 編輯模型的 Config 檔：AI說書 - 從0開始 - 169 | 編輯模型的 Config 檔
• 初始化模型：AI說書 - 從0開始 - 170 | 初始化模型
• 模型參數探索：AI說書 - 從0開始 - 171 | 模型參數探索
• 模型參數探索：AI說書 - 從0開始 - 172 | 模型參數探索

現在我要來分析 AI說書 - 從0開始 - 171 | 模型參數探索 中出現的總參數個數為 83504416 是怎麼來的，由 AI說書 - 從0開始 - 172 | 模型參數探索 中的列表知，參數有些是向量，有些是矩陣，所以分析方法要分開討論：

np = 0

for p in range(0, lp):
	PL2 = True
	try:
		L2 = len(LP[p][0]) # check if 2D
	except:
		L2 = 1 # not 2D but 1D
		PL2 = False
	L1 = len(LP[p]) # Obtain Row Number
	L3 = L1*L2
	np += L3
	if PL2 == True:
		print(p, L1, L2, L3)
	if PL2 == False:
		print(p, L1, L3)
		
print(np)